我一直在寻找一个很好的解决方案，其中一个线程正在泵送数据，我们希望Jupyter笔记本不断更新图形，而不阻止任何事情。在查阅了十几个相关答案后，以下是一些发现：

小心

如果你想要一个实时的图表，不要使用下面的魔术。如果笔记本使用以下内容，则图形更新不起作用：%load_ext autoreload

%autoreload 2

在导入matplotlib之前，您需要在笔记本中使用以下魔法：%matplotlib notebook

方法1：使用FuncAnimation

这有一个缺点，即即使数据尚未更新，也会发生图形更新。下面的示例显示了另一个线程在Jupyter笔记本通过FuncAnimation更新图形时更新数据。%matplotlib notebook

from matplotlib import pyplot as plt

from matplotlib.animation import FuncAnimation

from random import randrange

from threading import Thread

import time

class LiveGraph:

def __init__(self):

self.x_data, self.y_data = [], []

self.figure = plt.figure()

self.line, = plt.plot(self.x_data, self.y_data)

self.animation = FuncAnimation(self.figure, self.update, interval=1000)

self.th = Thread(target=self.thread_f, daemon=True)

self.th.start()

def update(self, frame):

self.line.set_data(self.x_data, self.y_data)

self.figure.gca().relim()

self.figure.gca().autoscale_view()

return self.line,

def show(self):

plt.show()

def thread_f(self):

x = 0

while True:

self.x_data.append(x)

x += 1

self.y_data.append(randrange(0, 100))

time.sleep(1)

g = LiveGraph()

g.show()

方法2：直接更新

第二种方法是在数据从另一个线程到达时更新图形。这是有风险的，因为matplotlib不是线程安全的，但只要只有一个线程在进行更新，它似乎就可以工作。%matplotlib notebook

from matplotlib import pyplot as plt

from matplotlib.animation import FuncAnimation

from random import randrange

from threading import Thread

import time

class LiveGraph:

def __init__(self):

self.x_data, self.y_data = [], []

self.figure = plt.figure()

self.line, = plt.plot(self.x_data, self.y_data)

self.th = Thread(target=self.thread_f, daemon=True)

self.th.start()

def update_graph(self):

self.line.set_data(self.x_data, self.y_data)

self.figure.gca().relim()

self.figure.gca().autoscale_view()

def show(self):

plt.show()

def thread_f(self):

x = 0

while True:

self.x_data.append(x)

x += 1

self.y_data.append(randrange(0, 100))

self.update_graph()

time.sleep(1)

from live_graph import LiveGraph

g = LiveGraph()

g.show()